IDENTIFIKASI BETTA FISH BERDASARKAN EKSTRAKSI BENTUK MENGGUNAKAN PARAMETER ECCENTRICITY DAN METRIC

VINA PURNAMA SARI , 1417051149 (2019) IDENTIFIKASI BETTA FISH BERDASARKAN EKSTRAKSI BENTUK MENGGUNAKAN PARAMETER ECCENTRICITY DAN METRIC. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

[img]
Preview
Text
ABSTRAK.pdf

Download (1248Kb) | Preview
[img] Text
SKRIPSI FULL.pdf
Restricted to Repository staff only

Download (1248Kb)
[img]
Preview
Text
SKRIPSI TANPA BAB PEMBAHASAN.pdf

Download (1249Kb) | Preview

Abstrak

Indonesia merupakan salah satu negara yang memiliki banyak jenis ikan hias, salah satunya adalah Betta Fish. Betta Fish memiliki karakter yang agresif dalam mempertahankan wilayahnya. Beberapa Betta Fish berbeda spesies memiliki bentuk yang hampir serupa sehingga diperlukan identifikasi ikan secara otomatis agar tidak terjadi kerugian biaya akibat kesalahan mengenali spesies Betta Fish. Penelitian ini bertujuan untuk mengidentifikasi empat spesies yaitu Halfmoon, Double Tail, Serit dan Plakat. Metode yang digunakan adalah Thresholding untuk proses segmentasi, parameter eccentricity dan metric untuk ekstraksi bentuk, dan Klasifikasi Probabilistic Neural Network. Thresholding digunakan untuk memisahkan objek dengan background serta mengubah citra menjadi citra biner. Eccentricity merupakan nilai perbandingan antara jarak foci ellips minor dengan foci ellips mayor suatu objek. Metric merupakan nilai perbandingan antara luas dan keliling objek. Probabilistic Neural Network adalah algoritma jaringan syaraf tiruan yang menggunakan pelatihan supervised dalam pengambilan keputusan dan klasifikasi. Dataset yang digunakan berjumlah 160 citra Betta Fish. Jumlah citra setiap spesies adalah 40 citra. Proses ekstaksi bentuk parameter eccentricity dan metric dan klasifikasi Probabilistic Neural Network mencapai tingkat akurasi sebesar 71.875%. Penyebab kesalahan identifikasi diperkirakan karena kualitas citra yang diakuisisi kurang begitu baik seperti citra Betta Fish buram dan terdapat noise. Kata Kunci: Identifikasi Betta Fish, Thresholding, Eccentricity, Metric, Probabilistic Neural Network (PNN), Pengenalan Pola ABSTRACT Indonesia is one country that has many types of ornamental fish, one of which is Betta Fish. Betta Fish has an aggressive character in defending their territory. Several different Betta Fish species have similar shapes, so that automatic fish identification is needed to avoid cost losses due to misidentification of Betta Fish species. This research aims to identify four species namely Halfmoon, Double Tail, Crown Tail and Plakat. The method used is Thresholding for the segmentation process, eccentricity and metric parameters for shape extraction, and Probabilistic Neural Network Classification. Thresholding is used to separate objects from the background and convert images to binary images. Eccentricity is the value of the comparison between the distance of the ellips minor foci with the major ellips foci of an object. Metric is the value of the ratio between area and circumference of the object. Probabilistic Neural Network is a supervised network which finds its natural use in decision making and classification problems. This research used 160 Betta Fish images. 40 images were used for each species. The extraction process in the form of eccentricity and metric parameters and Probabilistic Neural Network classification reached an accuracy rate of 71.875%. The cause of identification errors is estimated because the quality of acquired image is not so good as the Betta Fish image is blurry and there is noise. Keywords: Betta Fish identification, Thresholding, Eccentricity, Metric, Probabilistic Neural Network (PNN), pattern recognition.

Tipe Karya Ilmiah: Skripsi
Subyek: 000 Ilmu komputer, pengetahuan & sistem
Q Science (General) > QA Mathematics > QA76 Computer software
Program Studi: Fakultas MIPA > Prodi Ilmu Komputer
Depositing User: 2018083387 . Digilib
Date Deposited: 22 Aug 2019 03:14
Last Modified: 22 Aug 2019 03:14
URI: http://digilib.unila.ac.id/id/eprint/58696

Actions (login required)

View Item View Item